基于GIS的交通信息发布系统研究

基于GIS的交通信息发布系统的设计与应用主要是将GIS与信息采集发布同交通流的评估与预测模型结合在一起,进而构成智能型交通信息发布系统,为行驶车辆提供直观、准确、实施的交通路况。文章指出基于GIS的交通信息发布系统在动态调节交通流方面具有重要作用,并对系统设计及应用进行阐述,为城市道路出行的优化提供帮助。     

视频处理技术在智能交通系统的应用

视频检测作为智能交通中一种主要的检测手段在交通流检测、车辆违章跟踪等领域得到了广泛的研究和发展。文中提出了一种城市道路交通灯智能控制模型,该模型利用视频图像处理技术,获取十字路口各方向的车流量参数、违章车辆信息等,在此基础上实现了交通灯的智能控制以及对违章车辆的视频跟踪,最后给出了实际交通视频图像处理的实验结果。     

视频交通流检测中的背景提取

在基于视频的交通流检测系统中,静止背景的快速准确提取是基础。背景的提取主要分为模型法和非模型法,非模型法的算法复杂度低,能满足交通流检测实时性要求。论文比较和分析了均值法、直方图统计法、中值滤波法和背景学习法四种常用的背景提取方法。并通过实际的交通视频测试比较了四种方法。     

基于视频图像处理的交通流检测系统

提出了一种自适应于可调控摄像机的高速公路交通流检测系统.通过改进的背景建模与跟踪方法精确提取运动目标,利用道路标志线为图像与道路建立坐标映射实现车速与流量检测和交通监控.当场景转换时能及时自动更新参数,在实际应用中有很好的灵活性与稳定性.     

基于模糊C均值聚类和随机森林的短时交通状态预测方法

交通拥堵长期以来是城市面临的主要问题之一,解决交通拥堵瓶颈刻不容缓。准确的短时交通状态预测有利于市民预知交通出行信息,及时采取措施避免陷入拥堵困境。该文提出一种基于模糊C均值聚类(FCM)和随机森林的短时交通状态预测方法。首先,利用一种新颖的融合时空信息的自适应多核支持向量机(AMSVM)来预测短时交通流参数,包括流量、速度和占有率。其次,基于FCM算法分析历史交通流,获取历史交通状态信息。最后,利用随机森林算法分析所预测的短时交通流参数,得到最终预测的短时交通状态。该方法在融合时空信息的同时采用随机森林算法应用于短时交通状态预测这一全新的研究领域。实验结果表明,FCM对历史交通状态的评估方式适用于不同的高速路和城市道路场景。其次,随机森林比其它常见的机器学习方法具有更高的预测精度,从而提供实时可靠的短时交通出行信息。     

物联网智能交通拥堵判别算法的研究与实现

针对城市道路交叉口的常发性交通拥堵现象,依据RFID检测系统的特点,提出了一种基于物联网前端信息采集技术的交通流检测方法。并且对城市道路交叉口采集到的交通流量相对增量、车辆的时间占有率相对增量以及地点平均车速等信息进行了对比性分析和统计推导,从理论上论证了交通拥挤产生时的交通流特点,然后以此为基础给出了交通拥挤事件出现时的判别准则,构造出相应的拥挤检测指标及判别算法。最后利用Matlab编程再结合实际交通测量数据验证了算法的正确性。     

一种基于机器视觉的视频交通流检测系统

简要分析了交通流检测技术的发展现状,结合当前智能交通系统的应用需求,利用连续三帧差分的运动估计方法来构建初始背景,并采用统计打分的策略实时地对背景进行更新;同时提出了一种简单而有效的阴影消除算法以提高交通流参数检测的准确度。另外,针对现有交通流检测系统无车辆跟踪这一环节,可能导致流量多计数的问题,本文提出同时利用车辆的位置信息、颜色信息和分形维信息对车辆进行匹配跟踪的策略。大量实验证明该检测算法能快速、有效地检测出各种交通流参数,为实现交通管理的自动化奠定基础。     

基于视频序列的交通检测系统

基于人工电视监视的交通检测方法存在检测效率低、实时性差的缺点,提出了基于视频序列的交通参数和交通事件检测系统。将采集和预处理后的视频信号通过DSP处理,检测视频交通参数和交通事件,提取的交通参数和交通事件等分析结果通过TCP/IP网络传输协议传给视频分析识别终端,在视频分析识别终端上存储、显示交通参数与交通事件和视频信息,设置系统参数,同时可以进行查询、检索以及管理交通参数与交通事件。该系统实现了对车流量、车速、抛落物、行人和停车等交通参数与事件的实时性检测。     

基于VISSIM的交通控制仿真系统的研究

针对目前城市交通仿真体系不足的问题,为保证车辆能够在交叉口处顺畅的通过,减少车辆碰撞事件及其他安全问题的发生,提出一种对多路口交通控制仿真系统的研究方案;该方案基于VISSIM软件的模拟交通流技术来分析交通流的控制系统,实现对连续几个交叉路口交通控制系统的仿真。实验结果表明：能有效地提高仿真参数的准确性,减少试验仿真的出错率,使不同情况下交通灯的控制效果得到了良好的改善。     

基于特征加权的交通事件检测研究

针对影响交通事件的特征参数较多,参数之间有信息冗余,影响检测效率的问题,提出一种基于特征加权支持向量机的交通事件检测算法.影响交通事件的因素包括上下游交通流的交通密度、交通量、平均速度较多,各个影响因素的影响大小是不同的,根据可信间隔最大化确定影响权重.通过实测数据对算法的检测性能进行测试,交通密度的权重最大,说明事件发生时,交通密度的变化影响最大,与实际情况相符;对于同质量的样本,所提算法的检测率及误报率均优于标准支持向量机(SVM)算法.